EDHEC 2014

Exercice 1
   
1 0 0 7 5 1
On note I la matrice I = 0 1 0 et on considère la matrice A = 6 −1 2
0 0 1 6 1 3
1. (a) Montrer, grâce à la méthode du pivot de Gauss, que les valeurs propres λ de A sont les solutions de
l’équation : λ3 − 9λ2 − 27λ + 53 = 0.
(b) Etudier la fonction f qui, à tout réel x associe f (x) = x3 − 9x2 − 27x + 53, puis dresser son tableau
de variation (on précisera les limites de f en +∞ et en −∞, on notera m le minimum local de f sur
R, M le maximum local de f sur R et on ne cherchera ni à calculer m, ni à calculer M ).
(c) Calculer f (0) et f (3) puis déterminer les signes de m et M .
(d) Montrer que A admet trois valeurs propres, que l’on ne cherchera pas à calculer et que l’on notera
λ1 , λ2 et λ3 avec λ1 < λ2 < λ3 .
 
λ1 0 0
(e) En déduire qu’il existe une matrice P inversible telle que A = P DP −1 , avec D =  0 λ2 0 .
0 0 λ3
2. L’objectif de cette question est de déterminer l’ensemble E des matrices M de M3 (R) qui commutent ave
A, c’est à dire qui vérifient : AM = M A.
(a) Montrer que les matrices qui commutent avec D sont des matrices diagonales.
(b) Montrer l’équivalence entre les deux propositions suivantes :
i. M est une matrice de E
ii. P −1 M P commute avec D
(c) Etablir que toute matrice M de E est combinaison linéaire des trois matrices suivantes :
     
1 0 0 0 0 0 0 0 0
P 0 0 0 P −1 , P 0 1 0 P −1 , P 0 0 0 P −1
0 0 0 0 0 0 0 0 1

(d) En déduire que E est un sous-espace vectoriel de M3 (R) et donner sa dimension.

(e) Montrer, en raisonnant sur les valeurs propres de A, qu’il n’existe aucun polynôme annulateur non
nul de A qui soit de degré inférieur ou égal à 2. En déduire que (I, A, A2 ) est une base de E.

Exercice 2
Z 2x
1
1. Montrer que l’intégrale √ dt est définie pour tout réel x. On considère désormais la fonction f
x t2 + 1
définie par :
Z 2x
1
∀x ∈ R, f (x) = √ dt
x t2+1
2. Etablir que f est impaire.
3. (a) Montrer que f est de classe C 1 sur R.
(b) Déterminer f 0 (x), pour tout réel x, et en déduire que f est strictement croissante sur R.
4. (a) En utilisant la relation t2 6 t2 + 1 6 t2 + 2t + 1, valable pour tout t réel positif ou nul, montrer que
l’on a l’encadrement suivant :

∀x ∈ R∗+ , ln(2x + 1) − ln(x + 1) 6 f (x) 6 ln(2)

1
 (b) Donner alors la limite de f (x) lorsque x tend vers +∞.
(c) Dresser le tableau de variation complet de f .
(d) Résoudre l’équation f (x) = 0.
√
5. (a) Montrer que pour tout réel x, on a : x + x2 + 1 > 0.
√
(b) Déterminer la dérivée de la fonction h qui, à tout réel x associe ln(x + x2 + 1).
(c) En déduire l’expression explicite de f (x).
6. Recherche d’un équivalent de f (x) lorsque x est au voisinage de 0.
2x
t2
Z
(a) Etablir que, pour tout réel x strictement positif, on a : x − f (x) = √ √
dt
x t2 + 1 1 + t2 + 1
(b) En déduire :
7 3
∀x ∈ R∗+ , 0 6 x − f (x) 6 x
6
(c) Conclure que f (x) ∼+ x.
0
(d) Montrer que l’on a aussi : f (x) ∼− x.
0

Exercice 3

Dans cet exercice, θ désigne un réel strictement positif et n un entier naturel supérieur ou égal à 2.
 k
1 θ
Pour tout k de N, on pose : uk = .
1+θ 1+θ
1. Montrer que la suite (uk )k∈N définit bien une loi de probabilité.
On considère maintenant une variable aléatoire X prenant ses valeurs dans N et dont la loi est donnée
par :
∀k ∈ N, P(X = k) = uk
2. (a) On pose Y = X + 1. Reconnaître la loi de Y , puis en déduire l’espérance et la variance de X.
(b) Compléter la fonction Pascal suivante pour qu’elle simule la loi d’une variable aléatoire X.
Function X(theta : real) : integer ;
var Y : real ;
Begin ; Y=0 ; repeat Y :=Y+1 ; until(...) ; X :=... ;end.
3. Dasns cette question, on souhaite estimer le paramètre θ par la méthode du maximum de vraisemblance.
Pour ce faire, on considère un échantillon (X1 , X2 , . . . , Xn ) composé de variables aléatoires indépen-
dantes ayant toutes la même loi que X et on intoduit la fonction L, de R∗+ dans R, définie par :
n
Y
∀θ ∈ R∗+ , L(θ) = P(Xk = xk )
k=1

où x1 , x2 , . . . , xn désignent des entiers naturels éléments de X(Ω).

L’objectif est de choisir la valeur de θ qui rend L(θ) maximale.
Xn
(a) Ecrire ln(L(θ)) en fontion de θ et de Sn = xk .
k=1
(b) On consière la fonction ϕ, définie par :

∀θ ∈]0; +∞[, ϕ(θ) = Sn ln θ − (Sn + n) ln(1 + θ)

Montrer que la fonction ϕ admet un maximum, atteint en un seul réel que l’on notera θˆn et que l’on
exprimera en fonction de Sn . Que représente θˆn pour la fonction L ?
n
1X
On pose dorénavant : Tn = Xi . La variable Tn est appelée estimateur du maximum de vrai-
n i=1
semblance pour θ.

2
 (c) Vérifier que Tn est un estimateur sans biais de θ.
(d) Calculer le risque quadratique rTn (θ) de Tn et vérifier que lim rTn (θ) = 0.
n→+∞

Problème

1. Soit x un réel quelconque.

(a) Justifier que la fonction t 7→ max(t, x) est continue sur R.
Z 1
On considère maintenant l’intégrale y = max(x, t)dt.
0
1



 2
 si x 6 0
2
(b) Montrer que y = x +1
si 0 < x 6 1
2



x si x > 1


Dans la suite du problème, on considère une variable aléatoire X définie sur un certain espace probabi-
lisé (Ω, A, P) que l’on ne cherchera pas à déterminer.
On admet que l’on définit une variable aléatoire Y , elle aussi définie sur (Ω, A, P), en posant Y =
Z 1
max(X, t)dt, ce qui signifie que, pour tout ω de Ω, on a :
0
Z 1
Y (ω) = max(X(ω), t)dt
0

On note FY la fonction de répartition de Y .

On se propose dans la suite de déterminer la loi de Y connaissant celle de X.
2. Vérifier que si X suit une loi géométrique alors on a : Y = X.
3. On suppose, dans cette question, que X(Ω) = {−1, 0, 1} et que l’on a :

1
P(X = −1) = P(X = 1) =
4
(a) Déterminer la valeur de P(X = 0).
 
1
(b) Vérifier que Y (Ω) = , 1 puis donner la loi de Y .
2
(c) Compléter la déclaration de fonction suivante pour qu’elle simule la variable aléatoire Y .
Function y : real ;
Var u : integer ;
Begin
u :=random(4) ;
If ...then ...else y :=... ;
End.

4. On suppose, dans cette question, que X suit la loi uniforme sur [0; 1[, avec X(Ω) = [0; 1[.
X2 + 1
(a) Vérifier, en utilisant la première question, que l’on a : Y = .
2
 
1
(b) En déduire que Y (Ω) = ,1 .
2
√
 
1
(c) Montrer alorsque, pour tout x de , 1 , on a : FY (x) = 2x − 1.
2
(d) Expliquer pourquoi Y est une variable à densité.
(e) Donner la valeur de E(Y ).

3
 (f) Compléter la déclaration de fonction suivante pour qu’elle simule la variable aléatoire Y .
Function y : real ;
Var u : real ;
Begin
u :=random ;
y :=... ;
End ;
5. On suppose, dans cette question, que X suit la loi normale centrée réduite. On rappelle que X(Ω) = R et
on note Φ la fonction de répartition de X.
 
1
(a) Vérifier que Y (Ω) = ; +∞ .
2
 
1
(b) Donner la valeur de P Y = .
2
(c) Utiliser la formule des probabilités totales associée au système complet d’évenements
([X 6 0], [0 < X 6 1], [X > 1]) pour établir l’égalité suivante :
 1
 0
 si x<
2

FY (x) = √ 1
Φ( 2x − 1) si 6x61
2



Φ(x) si x>1

(d) La variable aléatoire Y est-elle à densité ? Est-elle discrète ?